Текст и таблицы из RAR и 7Z: пакетная выгрузка TXT и XLSX
В смешанном архиве часть документов даёт текст, часть — таблицы, а сканам нужен другой сценарий. Пакетная выгрузка сохраняет полезные результаты и объясняет итог каждого файла.
Один архив, несколько документов и один понятный отчёт
Поставщик прислал RAR: текстовое пояснение, CSV с позициями, цифровой PDF и несколько сканов. Вам нужны текст для поиска и таблица для дальнейшей работы. Открывать каждую запись в отдельном инструменте долго, а по общей надписи «готово» невозможно понять, из каких документов удалось что-то получить.
В DOKIVO доступна пакетная выгрузка текста и таблиц из проверенных файлов ZIP, RAR и 7Z. Вы выбираете записи и параметры, а в ответ получаете ZIP с TXT, книгами XLSX и отчётом по каждому исходнику. Ошибка одного документа не отменяет результаты остальных: причина неполной обработки остаётся рядом с его названием.
Для такой работы важнее прозрачный состав, чем одинаковое обещание всем форматам. Цифровой PDF может дать текст без таблиц, CSV — текст и XLSX, а скан потребует отдельного распознавания. В этом пакетном сценарии OCR автоматически не запускается.
Какой текст и какие таблицы можно извлечь из архива
Инструмент читает PDF с доступным текстовым слоем, TXT, CSV, TSV, XLSX, а также основной текст и простые таблицы DOCX. Можно выбрать «Текст и таблицы», «Только текст» или «Только таблицы». Это параметры результата, поэтому заранее решите, что вам нужно: строки для просмотра, книги для обработки или оба варианта.
В PDF текст должен уже присутствовать. Картинка с видимыми буквами не становится текстовым слоем только потому, что сохранена в PDF. Если документ не содержит доступного текста, отчёт покажет необходимость OCR, а не выдаст пустую книгу за успешное распознавание.
Для PDF выбирается предел первых страниц каждого файла: 5, 10, 20 или 50. У TXT и CSV настраивается кодировка, у CSV — разделитель. Если таблица начинается со строки заголовков, её можно выделить соответствующей настройкой. Эти решения влияют на чтение данных, поэтому проверьте их до запуска.
В готовом ZIP результаты размещены в папке results. Номер в имени связывает TXT или XLSX с соответствующей строкой отчёта. Отдельные report.json и settings.json помогают понять итог и применённые параметры, даже если архив открыли уже после завершения работы.
Шесть исходников могут дать четыре полезных файла
В принятом контрольном RAR выбрали шесть записей и режим «Текст и таблицы». У трёх документов появился хотя бы один результат. Это дало четыре файла: TXT из пояснения, TXT и XLSX из CSV, TXT из цифрового PDF. Остальные записи получили конкретные причины.
| Исходник | Объяснение в отчёте | Получено |
|---|---|---|
| Текстовое пояснение | Есть только текст | Один TXT |
| Таблица CSV | Текст и таблица обработаны | TXT и XLSX |
| Цифровой PDF | Таблицы не найдены | Один TXT |
| PDF без доступного текста | Требуется OCR | Без результата |
| Повреждённый PDF | Документ некорректен | Без результата |
| Изображение PNG | Формат не поддержан этим сценарием | Без результата |
Важно различать количество исходных документов и выходных файлов. Число «с результатом» отвечает на первый вопрос. Состав ZIP отвечает на второй. В этом примере к четырём результатам также добавлены README, отчёт и настройки; повторная проверка готового ZIP показала семь записей.
Что означает «таблицы не найдены», если TXT появился
Текстовая часть документа могла быть прочитана, а подходящих таблиц в ней не обнаружено. В режиме «Текст и таблицы» полезный TXT сохраняется, а причина отсутствия XLSX остаётся явной. Наличие TXT само по себе не означает, что нужная таблица перенесена.
Ведущие нули и запись, похожая на формулу
Контрольная CSV содержала маленькую таблицу из трёх строк и трёх столбцов. На ней удобно заметить ошибки, которые теряются в большом пакете: код 0012 может лишиться нулей, десятичная сумма — измениться, а текст =2+3 — неожиданно стать вычислением.
| Код | Сумма | Текст |
|---|---|---|
0012 | 42.75 | =2+3 |
0013 | 28.99 | строка |
В трёх отдельно полученных XLSX из RAR, solid 7Z и защищённого 7Z подтвердили все девять значений каждой книги. Запись =2+3 сохранилась как исходное значение; пакетная выгрузка не выполняет формулы. Это особенно полезно для данных, где начало строки может напоминать команду табличной программы.
Такой маленький пример подтверждает конкретную сохранность, а не обещает одинаковое качество любой таблицы. Автоматическое выделение сложных таблиц требует вашей проверки: объединённые области, многострочные заголовки и неоднозначные разделители могут нуждаться в отдельном разборе.
Как выгрузить TXT и XLSX из RAR или 7Z
- Начните с проверки архива. Откройте инструмент DOKIVO, выберите файл и дождитесь полного списка с пофайловыми состояниями.
- Перейдите к тексту и таблицам. Выберите нужный режим, предел первых страниц PDF, кодировку и разделитель CSV. Проверьте настройку первой строки.
- Отметьте исходники. Для большой папки используйте поиск по имени или пути. Кнопка выбора поддержанных файлов помогает начать с пригодных записей.
- Запустите выгрузку. Дождитесь отдельных статусов. Посмотрите причины у записей без результата и решите, нужен ли им другой инструмент.
- Скачайте ZIP. Откройте отчёт, сопоставьте номера результатов и исходников, затем проверьте важные строки TXT и ячейки XLSX.
Если следующие архивы устроены одинаково, параметры можно сохранить в этом браузере и явно применить перед новой обработкой. Доступно до 12 наборов; JSON настроек позволяет перенести их. В таких наборах находятся название и параметры, без файлов, выбранных записей, их имён и пароля архива.
Готовые книги заново открыли на сайте
21 октября 2026 года пакет проверили на RAR, solid 7Z и защищённом 7Z. На широком и узком экранах получили ожидаемые отдельные статусы. Для защищённого архива различались отсутствие пароля, неправильный пароль и успешное открытие.
Каждый из трёх реальных XLSX размером 6810 байт заново загрузили в инструмент «Excel в PDF» и осмотрели серверное превью. Во всех трёх подтвердили 9 из 9 значений. Один результат дополнительно скачали как PDF и снова открыли в редакторе: одна страница и все девять текстовых значений сохранились.
Повторное скачивание готовых пакетов RAR и solid 7Z давало одинаковые байты. Это проверка выдачи уже подготовленного результата. Время полной обработки и универсальная точность извлечения такими повторами не измеряются. При просмотре таблицы сервис сообщил замену шрифта; сохранение исходного оформления книги этой проверкой не заявлено.
Объём, пароль и остановка обработки
Пакет ограничен 20 выбранными файлами, 16 МиБ на один файл и 64 МиБ выбранных входов. Для PDF действует общий предел 100 страниц. Непроверенные и неоднозначные записи не экспортируются; полный список архива нужен до запуска. Solid-архив может потребовать чтения связанных сжатых данных, поэтому небольшое число выбранных файлов не означает одинаковое время для всех архивов.
При отмене новый пакет не сохраняется; выбор и настройки остаются для повторного запуска. Удачные результаты остальных документов сохраняются при отдельной ошибке одного исходника. Итоговый ZIP выдаётся без пароля. Пароль исходного защищённого архива не записывается в отчёт и настройки. Если причина неполной выгрузки непонятна, начните с инструкции проверки архива и пофайлового отчёта.
Частые вопросы
Извлечёт ли пакетная выгрузка текст с фотографии?
Этот сценарий не выполняет OCR. Для скана без доступного текста будет указана причина; фотографию нужно обрабатывать подходящим отдельным инструментом.
Почему результатов меньше, чем выбранных файлов?
Некоторые документы могут не содержать таблиц, требовать OCR, иметь ошибку или неподдерживаемый формат. Смотрите причину у каждого исходника, а также число полученных файлов.
Выполняются ли формулы из исходной таблицы?
Пакетная выгрузка сохраняет значения и не выполняет формулы. Контрольная запись =2+3 сохранилась как исходный текст в проверенных книгах.
Можно использовать одинаковые настройки для следующего архива?
Да. Сохраните набор в браузере или перенесите JSON настроек. Перед новой выгрузкой выберите набор и нажмите «Применить», затем проверьте выбранные файлы.
